中国の起業家、雷軍氏の国慶節期間中のAIに関する発言が大きな議論を呼んでいます。AIによる顔交換や音声合成技術の悪用を防ぐため、関連法の整備を求める声が上がっています。

3月6日、出門问问（Mobvoi）は香港科技大学、上海交通大学、南洋理工大学、西北工業大学などのトップレベルの学術機関と共同で、次世代音声生成モデルSpark-TTSをオープンソース化し、その商業化された高品質TTSエンジンであるTicVoice 7.0を正式に発表しました。出門问问の第7世代TTSエンジンであるTicVoice 7.0は、音声生成分野で大きなブレークスルーを達成し、新しい音声生成パラダイムを開拓しました。

急速に発展を続けるポッドキャスト業界において、Podcastleプラットフォームは先日、最新のAIテキスト読み上げモデルAsyncflow v1.0を発表しました。この新しいモデルは、ユーザーに450種類以上のAI音声を提供するだけでなく、開発者向けにAPIインターフェースも公開し、テキスト読み上げ機能を彼らのアプリケーションに直接統合することを可能にしています。Podcastleの創設者Arto Yeritsyan氏は、同社が常にテキスト読み上げ機能の開発を目指してきたと述べています。

雷軍は、人工知能端末が人工知能技術を実装する重要なプラットフォームであり、その応用範囲がスマートフォン、スマートカー、ウェアラブルデバイスからスマートホーム、ロボットなどへと拡大し続けていると指摘しました。この傾向は、消費市場に新たな活力を吹き込むだけでなく、サプライチェーンの高付加価値化・高度化アップグレードにも重要な原動力となります。しかし、人工知能端末の急速な発展の初期段階では、依然としてコア技術のボトルネックを克服し、協調的イノベーションエコシステムを構築して、産業の標準化、協調、イノベーション、高品質な発展を促進する必要があります。

Sesame社が最近発表した音声合成モデル「Conversational Speech Model（CSM）」が、Xプラットフォームで話題を呼んでいます。まるで人間が話しているかのような音声モデルとして高く評価されています。このモデルは、その驚くべき自然さと感情表現力で、ユーザーは人間との区別がつかなくなり、「音声分野の不気味の谷効果を克服した」と発表されています。デモ動画とユーザーフィードバックが広まるにつれ、CSMは急速にAI音声技術の最先端となっています。

音声アシスタントは私たちの生活に欠かせないものになりつつありますが、既存のデジタル音声アシスタントは、ユーザーとのやり取りにおいて、どうしても平板で、感情や人間味に欠けたものになりがちです。Sesameチームは、この問題の解決に尽力し、「新しい音声存在」という概念を実現することで、デジタルアシスタントがよりリアルで、理解され、大切にされるコミュニケーションを目指しています。Sesameの主要な目標は、単なる要求を処理するツールではなく、真の会話を交わせるデジタルな仲間を生み出すことです。これらのデジタルな仲間は…